面向边缘计算的电力通信网告警归并技术研究

摘要：

电力通信网的覆盖范围及复杂程度逐渐增大,为电力通信网带来巨大的运维压力.通过部署边缘节点在边缘侧完成数据采集和信息过滤,提供计算支持,能够极大程度上缓解电力通信网管理侧压力.告警分析是运维当中的重难点问题,传统的告警分析先使用规则对于告警进行归并从而减少后续处理的工作量,但是规则的完备需要大量专家知识和人力资源的投入且存在局限性.将无监督聚类引入到电力通信边缘云部署架构下的告警归并流程当中,提出了 一个新的轻量级算法,将基于密度的聚类方法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)与现有的归并规则进行结合,结果表明加入无监督学习能够显著提高告警归并的效果,切实提高了电力通信网运维中缺陷定位的准确性和完备性.

关键词：无监督学习、DBSCAN、告警归并、边缘计算

所属期刊栏目：47

分类号：TN915

资助基金：2020年国家电网公司科技项目5700-202040367A-0-0-00

在线出版日期：2021-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-23